---
license: apache-2.0
tags:
- vision
- image-classification
- waste-classification
- vit
- pytorch
- fine-tuned
---

# Vision Transformer (ViT) para Clasificación de Residuos

## Descripción

Modelo Vision Transformer (ViT) afinado sobre el dataset de segregación de residuos para
clasificar imágenes en 9 categorías. Desarrollado como parte de un proyecto de aprendizaje
automático en el Instituto Tecnológico de Costa Rica (ITCR).

Basado en `google/vit-base-patch16-224-in21k` con ajuste fino mediante transfer learning.

## Resultados de Entrenamiento

### Configuración

- **Modelo base**: google/vit-base-patch16-224-in21k
- **Épocas**: 3
- **Tasa de aprendizaje**: 0.0002
- **Tamaño de lote**: 16
- **Optimizador**: AdamW con warmup
- **Regularización (weight decay)**: 0.01

### Datos

- **Entrenamiento**: 3044 imágenes
- **Validación**: 762 imágenes
- **Clases**: 9

### Métricas

- **Pérdida de entrenamiento**: 1.6462
- **Evaluación**: por época
- **Criterio de guardado**: mejor accuracy en validación

## Metodología

El afinamiento se realizó en las siguientes etapas:

1. **Preprocesamiento**: normalización con `ViTImageProcessor` (224×224 px)
2. **Transfer learning**: pesos preentrenados en ImageNet-21k
3. **Afinamiento**: tasa de aprendizaje baja (2e-4) para preservar representaciones aprendidas
4. **Regularización**: weight decay (0.01) y warmup lineal (10% de pasos)
5. **Parada anticipada**: monitoreo de accuracy en validación

## Clases

| ID | Clase               |
|----|---------------------|
| 0  | Cardboard           |
| 1  | Food Organics       |
| 2  | Glass               |
| 3  | Metal               |
| 4  | Miscellaneous Trash |
| 5  | Paper               |
| 6  | Plastic             |
| 7  | Textile Trash       |
| 8  | Vegetation          |

## Uso

```python
from transformers import ViTForImageClassification, ViTImageProcessor
from PIL import Image

processor = ViTImageProcessor.from_pretrained("ddompe/vit-waste-classification")
model = ViTForImageClassification.from_pretrained("ddompe/vit-waste-classification")

imagen = Image.open("residuo.jpg").convert("RGB")
entradas = processor(images=imagen, return_tensors="pt")
salidas = model(**entradas)
clase_pred = salidas.logits.argmax(-1).item()
print(model.config.id2label[clase_pred])
```